Instrucciones a la altura correcta

En 30 segundos

Un prompt de sistema funciona cuando no es ni una lista de reglas frágiles ni un deseo vago. Busca la altura en la que da pistas concretas y deja criterio al modelo.

Dos jefes malos

El primer jefe te entrega un manual de 80 reglas del tipo «si el cliente dice X, responde Y; si dice Z, responde W». Funciona hasta que aparece un caso que no está en el manual, y entonces te quedas parado.

El segundo jefe te dice «haz un buen trabajo». Tienes libertad total y ninguna pista.

Anthropic describe estos dos extremos para los prompts de sistema y propone una altura correcta entre ambos.

Los dos fallos

Extremo	Qué pasa
Lógica rígida y frágil	Se escriben a mano condiciones complejas para forzar un comportamiento exacto. Se rompe ante casos nuevos y cuesta mantenerla
Orientación vaga	Frases de alto nivel sin señales concretas, que dan por hecho un contexto compartido que el modelo no tiene

El punto medio es: lo bastante específico para guiar, lo bastante flexible para que el modelo tenga buenas heurísticas (reglas de andar por casa) y no una receta cerrada.

Ejemplo: la misma instrucción a tres alturas

Demasiado vaga:
Ayuda al usuario con sus tests.

Demasiado rígida:
Si el test falla con "TypeError", abre siempre utils.py línea 40 y cambia
la función parse(). Si falla con "KeyError", revisa config.json. Si...

A la altura correcta:
Cuando falle un test, lee el error, localiza el archivo causante y
corrige la causa, no el test. Ejecuta `npm test` para confirmarlo.
Si el fallo parece venir de la configuración, avisa en vez de tocarla.

La tercera da criterio (corrige la causa), un comando concreto y un límite, sin atarse a un solo caso.

Cómo organizarlas

Anthropic recomienda separar el prompt en secciones claras, con etiquetas XML o encabezados Markdown: información de fondo, instrucciones, guía de herramientas, formato de salida. También advierte de que el formato exacto importa cada vez menos a medida que los modelos mejoran. Lo que importa es que cada pieza esté en su sitio.

Y recuerda: busca el conjunto mínimo de información que describa el comportamiento esperado. Mínimo no es lo mismo que corto. Si hace falta decir algo para que el agente se porte bien, díselo.

Cómo llegar a la altura correcta

Un método sencillo es iterar con fallos reales:

Empieza con un prompt mínimo y pruébalo con el mejor modelo disponible.
Anota en qué falla de verdad.
Añade instrucciones o ejemplos solo para esos fallos.

Ejemplos mejor que listas

Los ejemplos (few-shot) siguen siendo una gran práctica. Pero Anthropic desaconseja volcar una lista interminable de casos límite. Es mejor elegir unos pocos ejemplos diversos y canónicos que muestren bien el comportamiento esperado. Un ejemplo vale más que mil palabras.

Comprueba lo aprendido

¿Qué significa dar instrucciones «a la altura correcta»?

Las reglas rígidas se rompen con casos nuevos y las vagas no dan pistas. La altura correcta da señales concretas sin atar cada movimiento.

Fuentes: Anthropic, Effective context engineering for AI agents